自動任務總結與記憶沉澱工作流 · Claude-Mem

為什麼需要自動記憶沉澱？

在一次功能變更（Change）完成並執行 openspec archive 歸檔時，這次變更所產生的 proposal.md、design.md 與任務歷史都會被移入歸檔目錄。雖然資料被保存了，但如果我們沒有主動「提煉核心精華」，未來的 AI 助手在面對新任務時，並不會主動去翻閱已經歸檔的舊目錄。

自動任務總結與記憶沉澱工作流 (Post-mortem Memory Ingestion Flow) 專門用來在變更結束時，自動將「活的變更日誌」壓縮為「長期靜態的架構共識」，寫入 SQLite 記憶庫中。

實作步驟詳解

 ┌──────────────────────┐
 │  1. 觸發歸檔指令      │ <-- 執行 /opsx:archive 結案
 └──────────┬───────────┘
            │
            ▼
 ┌──────────────────────┐
 │  2. 提取設計決策     │ <-- 自動讀取 design.md 核心點
 └──────────┬───────────┘
            │
            ▼
 ┌──────────────────────┐
 │  3. 語意摘要壓縮     │ <-- 排除雜訊，提煉為 200 字黃金記憶
 └──────────┬───────────┘
            │
            ▼
 ┌──────────────────────┐
 │  4. 寫入 SQLite DB   │ <-- 調用 save_observation 保存
 └──────────────────────┘

步驟 1：觸發歸檔結案 (Archive Trigger)

當前變更計畫的所有任務在 tasks.md 中都已被標記為完成，且通過建置驗證。開發者執行歸檔命令。

步驟 2：提取設計決策與 Git Diff

AI 助手在將計畫資料夾移入 archive/ 目錄的同時，會自動開啟並掃描該變更內部的 design.md，特別聚焦於「Decisions (設計決策)」與「Consequences (後果)」章節。

步驟 3：語意摘要與過濾 (Semantic Compression)

AI 助手將凌亂的程式碼修改細節與除錯日誌進行壓縮，過濾掉語法碎屑，僅提煉出具備長期參考價值的「黃金架構規律」。

提煉範例：
- Raw Code: 修改了 Socket.cs、Helper.cs 的逾時行號。
- Compressed Memory: “因應尖峰延遲，PLC 連線與 Socket 超時時間統一設定為 60 秒。”

步驟 4：寫入 SQLite 本地記憶庫 (Persistence)

調用 save_observation 工具，將這條提煉出的黃金觀察永久寫入本地資料庫，確保它能跨會話地為未來的任務提供大腦指引。

實戰指令：

save_observation(key: "plc_timeout_60s", value: "全域 PLC Socket 通訊 CommandTimeout 必須維持 60 秒以防高載延遲。", category: "architecture")